[發明專利]基于圖結構數據的網絡訓練方法、裝置以及節點分類方法

在審

• 申請號: 202011169741.4
• 申請日: 2020-10-28
• 公開（公告）號: CN112200266A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 丁強剛;趙沛霖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李文淵

本申請涉及一種基于圖結構數據的網絡訓練方法、裝置以及節點分類方法。所述網絡訓練方法包括：獲取圖結構訓練數據對應的有損圖結構數據；將有損圖結構數據輸入到目標網絡的生成網絡中，以對有損圖結構數據進行連邊恢復并生成對應的圖結構更新數據；目標網絡包括生成網絡和預測網絡；將圖結構更新數據輸入到預測網絡中，以對圖結構更新數據的節點進行分類預測得到圖結構更新數據的節點分類結果；根據圖結構更新數據的節點分類結果，對生成網絡和預測網絡進行網絡參數調整，直至生成網絡和預測網絡收斂，得到已訓練的目標網絡。上述方案通過生成網絡和預測網絡的聯合訓練能得到耦合性良好的目標網絡，進而可以對圖結構數據中的節點進行準確分類。

技術領域

本申請涉及網絡技術領域，特別是涉及一種基于圖結構數據的網絡訓練方法、裝置、計算機設備和存儲介質，以及，基于圖結構數據的節點分類方法、裝置、計算機設備和存儲介質。

背景技術

圖結構數據通過點的特征以及節點之間的連邊關系來描述各種復雜的數據對象，例如，對于文章之間的引用關系，可以將各個文章作為節點生成圖結構數據，基于圖結構數據進行數據處理，以實現對文章的信息整合。

傳統技術中，根據預先訓練的網絡模型對圖結構數據中各個節點進行分類等。實際上，傳統技術所得到的網絡模型在處理現實生活中的噪聲圖結構數據、不完備圖結構數據時無法得到最優解，即所訓練的網絡模型準確性不高，使得節點分類的準確性不高。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

基于此，有必要針對上述技術問題，提供一種基于圖結構數據的網絡訓練方法、裝置、計算機設備和存儲介質，以及，基于圖結構數據的節點分類方法、裝置、計算機設備和存儲介質，在圖結構數據有損時能基于所訓練的目標網絡實現圖結構節點的準確分類。

一種基于圖結構數據的網絡訓練方法，所述方法包括：

獲取圖結構訓練數據對應的有損圖結構數據；

將所述有損圖結構數據輸入到目標網絡的生成網絡中，以對所述有損圖結構數據進行連邊恢復并生成對應的圖結構更新數據；所述目標網絡包括所述生成網絡和預測網絡；

將所述圖結構更新數據輸入到所述預測網絡中，以對所述圖結構更新數據的節點進行分類預測得到所述圖結構更新數據的節點分類結果；

根據所述圖結構更新數據的節點分類結果，對所述生成網絡和所述預測網絡進行網絡參數調整，直至所述生成網絡和所述預測網絡收斂，得到已訓練的目標網絡。

在一個實施例中，所述通過所述圖神經網絡進行連邊恢復，并根據恢復的連邊數據確定所述圖神經網絡的核函數的函數值，包括：

通過所述圖神經網絡進行連邊恢復，根據恢復的連邊數據得到參考點特征矩陣；

根據相似度函數確定所述點特征矩陣和參考點特征矩陣的相似度；所述相似度函數包括歐式距離函數、余弦相似度函數和點積函數中的至少一項；

根據所述相似度確定所述核函數的函數值。

在一個實施例中，所述生成網絡中的網絡參數為第一網絡參數，所述根據所述第一分類結果對所述生成網絡進行網絡參數調整，包括：

獲取所述第一訓練數據的節點的第一分類標簽；

確定所述第一分類標簽和所述第一分類結果對應的第一損失值；

根據所述第一損失值確定所述第一網絡參數的第一梯度；

根據所述第一梯度對所述第一網絡參數進行梯度下降處理。